2024/05/22 인공지능

ANN / CNN

1. 모듈 import
2. 데이터셋 준비
3. 모델 레이어(sequential, dense)
4. 학습 환경설정(add,compile,fit)
5. 예측값(predict)

10장 폐암수술 환자의 생존률 예측하기

#텐서플로 라이브러리 안에 케라스 API에서 필요한 함수 가져오기
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

#데이터를 다루는데 필요한 라이브러리
import numpy as np

# 깃허브에 준비된 데이터
!git clone https://github.com/taehojo/data.git

#수술환자 데이터
Data_set = np.loadtxt("./data/ThoraricSurgery3.csv", delimiter=",")

# 진찰기록
X = Data_set[:,0:16]
# 수술 1년 후 사망/생존 여부
y = Data_set[:,16]

#모델 구조 결정
model = Sequential()
model.add(Dense(30, input_dim=16, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

#딥러닝 모델 실행
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(X, y, epochs=5, batch_size=16)

---

11장 피마 인디언의 당뇨병 예측 실행(판다스 활용)

#텐서플로 라이브러리 안에 케라스 API에서 필요한 함수 가져오기
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

#pandas 라이브러리 import
import pandas as pd

# 깃허브에 준비된 데이터
!git clone https://github.com/taehojo/data.git

#피마 인디언 당뇨병 데이터 셋
df = pd.read_csv('./data/pima-indians-diabetes3.csv')

#세부정보
X = df.iloc[:,0:8]
#당뇨병 여부
y = df.iloc[:,8]

#모델 설정
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu', name='Dense_1'))
model.add(Dense(8, activation='relu', name='Dense_2'))
model.add(Dense(1, activation='sigmoid', name='Dense_3'))
model.summary()

#모델 컴파일
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

#모델 실행
history = model.fit(X, y, epochs=100, batch_size=5)